典型文献
多尺度双重注意力网络医学图像分割模型
文献摘要：
卷积神经网络(CNN)模型已成为当前医学图像分割的主要研究手段.为进一步提升其分割精度,提出一种多尺度双重注意力网络(MDA-Net)架构.首先,为获得更多图像特征的感受野,在传统编码器基础上提出一种多尺度特征金字塔编码器模块,以提取丰富的特征信息;其次,提出多空洞残差双注意力模块以增强图像细节特征的表征能力;最后,利用不同大小的卷积核设计了自适应多尺度融合块以更好的捕捉特征上下文信息.将MDA-Net与U-Net、Attention U-Net、CE-Net、CS-Net及R2-UNet等先进的网络在脑部、肺部、纹理细胞等分割任务上进行比较测试,实验证明了方法的优越性能,其中脑部分割的相似性指数(MIOU)相较于U-Net,CS-Net分别提升0.24％、2.16％.此外,还通过在肺部数据集上进行的消融验证了每个组件的有效性.
文献关键词：
医学图像分割;卷积神经网络;多尺度;金字塔;注意力机制
中图分类号：
作者姓名：
纪秋浪;王继红;杨晨;丁才富;王阳
作者机构：
贵州大学大数据与信息工程学院 贵阳550025
文献出处：
引用格式：
[1]纪秋浪;王继红;杨晨;丁才富;王阳-.多尺度双重注意力网络医学图像分割模型)[J].国外电子测量技术,2022(06):65-71
A类：
B类：
双重注意力,注意力网络,网络医学,医学图像分割,分割模型,研究手段,多图像,图像特征,感受野,统编,编码器,多尺度特征金字塔,特征信息,空洞残差,残差双注意力模块,增强图像,细节特征,表征能力,同大,卷积核,核设计,多尺度融合,上下文信息,Attention,CE,CS,UNet,脑部,中脑,MIOU,注意力机制
AB值：
0.352183
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
